23200 ورقة بحثية
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة تطور تلقائياً بنية معرفية نمطية تحاكي التخصص الوظيفي الموجود في الدماغ البشري، مما يشير إلى أن هذه النمطية هي خاصية أساسية للأنظمة الذكية وليست مجرد مصادفة بيولوجية.
تتحدى هذه الورقة الافتراض القائل بأن الاسترجاع الدلالي عبر بروتوكول خادم اللغة (LSP) هو بطبيعته أكثر كفاءة في استهلاك الرموز (tokens) من البحث المعجمي لوكلاء البرمجة، حيث تكشف من خلال منهجية قياس جديدة أن بروتوكول (LSP) غالباً ما يزيد من تكاليف الرموز ويفشل في مضاهاة فعالية أداة "grep" في التعديلات المعقدة، ومن ثم تدعو إلى استراتيجية تكيفية لاختيار الأدوات بناءً على نوع المهمة وقدرة النموذج.
تقدم هذه الورقة البحثية InflationAgent، وهو إطار عمل توجيه مبتكر يعالج فجوة "تضخم الرموز" (token inflation) في أنظمة النماذج اللغوية الكبيرة الوكيلية من خلال التنبؤ بتكاليف مستوى سير العمل عبر "إنتروبيا تفرع سلسلة الأفكار" (CoT Branching Entropy) وتحسين اختيار النماذج عبر "سعر صرف دلالي" (Semantic Exchange Rate)، محققاً بذلك دقة أعلى بعدد أقل من الرموز مقارنة بالطرق الحالية مثل FrugalGPT.
يقدم نموذج BCMT (محول الذاكرة السببية القائم على الكتل) بنية مبتكرة تفصل بين التفاعلات المحلية للرموز ونشر السياق العالمي عبر ذاكرة سببية أسية لملخصات الكتل، محققاً أداءً يضاهي نماذج المحولات الكثيفة في نمذجة السياقات الطويلة مع تحسين إنتاجية التدريب وتقليل استهلاك الذاكرة بشكل كبير.
جايس 2 هي عائلة من النماذج اللغوية الكبيرة المفتوحة والمسموحة تجارياً والمركزة على اللغة العربية، وتتضمن نسخة بـ 70 مليار معلمة، طورتها جامعة محمد بن زايد للذكاء الاصطناعي وسيريبراس وإنسبشن لتقديم أداء رائد في الاختبارات المعيارية العربية والمتجذرة ثقافياً مع سرعة استدلال عالية على أجهزة سيريبراس.
تقدم هذه الورقة إطار عمل مبتكر يدمج متنبئاً لمستوى الجلوكوز مدركاً للوظائف الفسيولوجية مع وكيل يعتمد على النماذج اللغوية الكبيرة لإنشاء نظام تحسين وجبات شخصي وتكراري يعمل على ضبط التدخلات الغذائية ديناميكياً لتنظيم استجابات الجلوكوز بعد الأكل لدى الأفراد بفعالية.
يُعد IterCOMP إطار عمل لضغط المطالبات بشكل تكراري وخالٍ من التدريب، يعمل على تعزيز الإجابة على الأسئلة متعددة الخطوات من خلال تفكيك المستندات ديناميكيًا وتوليد أسئلة متابعة مستهدفة لبناء مطالبات مدمجة وموجهة نحو الاستدلال، مما يؤدي إلى تحسين الدقة والكفاءة مع تقليل استخدام الرموز (tokens).
تقدم هذه الورقة البحثية GAIN-AI، وهو مساعد ذكاء اصطناعي مدرك للسياق وواجهة واقع معزز (AR) مبسطة تدمج النماذج اللغوية الكبيرة مع القياس عن بُعد في الوقت الفعلي والوثائق الإجرائية لتقديم توجيه مهيكل وموجه نحو الأهداف لرواد الفضاء أثناء أنشطة سطح القمر خارج المركبة المحاكية، مما يظهر أداءً عالياً في السيناريوهات الطبيعية وسيناريوهات الخطأ الواحد.
تتحدى هذه الورقة البحثية المفهوم القائل بأن الأخطاء ذات الثقة العالية في النماذج اللغوية الكبيرة تنبع حصرياً من الاستدلال الهش، مبرهنةً بدلاً على أنها غالباً ما تنشأ عن سوء معايرة مستقر حيث تظل الإجابات الخاطئة الواثقة قوية محلياً تحت تأثير الاضطرابات، وهي ظاهرة يمكن للنقد الذاتي القائم على التلقين أن يخفف من حدتها عن طريق تقليل الحساسية الداخلية دون تحسين المعايرة بالضرورة.
تقترح هذه الورقة إطار عمل الانتشار العكسي (InvCISD)، وهو إطار انتشار قابل للانعكاس يستخدم صورة مرجعية وشبكة متخصصة (LIMNet) لتوليد صور ستيجو (stego images) عديمة الغطاء ذات تشابه بصري منخفض بشكل كبير مع الصورة السرية، مما يعالج الثغرات الأمنية مع الحفاظ على دقة إعادة بناء عالية.